跳到正文
热点事件持续更新

学习式Expand-and-Sparsify表示优于随机映射

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

2026年10月20日，Alireza Asghari等人在arXiv发布研究，提出通过梯度下降学习Expand-and-Sparsify映射。实验表明，在窄扩展维下，该方法显著优于随机映射，且优势随扩展维增加而消失。在73个分类和48个回归任务中，学习后的top-k稀疏表示性能与密集ReLU层持平，稀疏程度随扩展维增加而提升。

AI 根据报道生成 · 3 小时前更新

最新进展10月20日 12:00
梯度下降学习 Expand-and-Sparsify 表示优于随机映射

报道时间线

沿着报道，了解事件的不同侧面。

10月20日
  1. arXiv · ML
    梯度下降学习 Expand-and-Sparsify 表示优于随机映射

    实验表明，学习 Expand-and-Sparsify 映射在窄扩展维下显著优于随机映射，优势随扩展维增加而消失。 在 73 个分类和 48 个回归任务中，学习后的 top-k 稀疏表示与密集 ReLU 层性能持平，且稀疏程度随扩展维增加而提升。

本事件热度走势

可比范围当前
8
可比范围峰值
810月20日 18:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。